ACE: Approximate Algorithms and Computing Systems

Research Project, 2015 – 2018

Datorer är motorn i dagens informationsteknologiska samhälle. De är osynliga men utför kritiska beräkningar i de flesta tekniska system. De är också pålitliga och utför beräkningar med exakt precision. Deras beräkningsprestanda har fördubblats cirka vartannat år under flera decennier vilket möjliggjort ständigt nya informationsteknologiska tillämpningar. Det finns dock tekniska barriärer som kan stoppa fortsatt gynnsam utveckling av informationsteknologins motor. Detta har sin grund i att prestandautvecklingen möjliggjorts av en krympning av datorkomponenter som gjort att beräkningskapaciteten ständigt kunnat öka. Tyvärr resulterar en ökning i beräkningskapaciteten i en ökad effektutveckling som till slut gör det omöjligt att öka beräkningskapaciteten. En annan teknisk barriär är beräkningstillförlitlighet som äventyras av att krympning av datorkomponenter gör dem mer utsatta för fel. Helt nya angreppssätt är nödvändiga för att bryta igenom dessa utmanande barriärer. Detta forskningsprogram tar ett järvt och annorlunda angreppssätt att studera en helt ny typ av datorsystem - approximativ databearbetning. Det grundar sig i att många beräkningar inte alltid måste ge exakta resultat. Vem bryr sig om en bild eller ett ljudavsnitt inte alltid återges med perfektion eller om en sökning på Google bara ger ett approximativt korrekt svar. Det viktiga är att ge en teoretisk grund för hur stor approximation som kan tolereras och utnyttja denna för att kunna ta fram avsevärt effektivare datorsystem i framtiden. Just detta är grundbulten i det föreslagna projektet. Projektet har som mål att ta fram principer för en helt ny klass av approximativt beräknande datorsystem. En grundbult i angreppsättet är kontrollerad approximation. Vi vill studera hur man kan flytta forskningsfronten i algoritmteori om man ges möjlighet att utnyttja att datorn gör beräkningar inom uppsatta felgränser. Vi vill också studera hur man kan utnyttja approximation för att skapa en avsevärd frihet i datorkonstruktion. Denna frihet kan översättas i högre beräkningskapacitet genom att inte behöva göra så noggranna beräkningar. Detta kan översättas i snabbare och energisnålare datorer. Den kan också ge större tillförlitlighet i beräkningar genom att man kan styra kontrollen till de delar av beräkningar som är kritiska för resultatet. För att ta sig an en sådan gigantisk utmaning krävs expertis inom många områden. Vi har satt samman ett projekt team som har erkänd expertis i världen inom algoritmteori, datorgrafik, datorarkitektur och pålitliga datorsystem. Projektets mål är att ta fram principer för hur algoritmer som utnyttjar approximativ databearbetning kan exekveras betydligt mer effektivt på datorer vars principer vi tagit fram. Dessa algoritmer kommer att kunna lösa problem tillräckligt noggrant men med betydligt högre effektivitet och tillförlitlighet. Forskningens vetenskapliga signifikans är därmed mycket hög. Algoritmteori har länge intresserat sig för frågeställningar kring beräkningsbarhet under approximation. Men inom datavetenskapens mer systemorienterade discipliner har denna frågeställning inte lyfts förrän bara för några år sedan. Genom att koppla dessa grupperingar inom ett och samma projekt och därtill ta ett helt nytt angreppssätt kan projektet potentiellt flytta forskningsfronten till en helt ny och produktiv riktning.

Participants

Funding

Publications

L2C: Combining Lossy and Lossless Compression on Memory and I/O

Lossy and Lossless Compression Techniques to Improve the Utilization of Memory Bandwidth and Capacity

Adaptive Resource Management Techniques for High Performance Multi-Core Architectures

Approximation and Compression Techniques to Enhance Performance of Graphics Processing Units

A GPU Register File using Static Data Compression

Reducing Memory Traffic with Approximate Compression

AVR: Reducing Memory Traffic with Approximate Value Reconstruction

QoS Driven Coordinated Management of Resources to Save Energy in Multi-Core Systems

An Automated and Controlled Numerical Precision Reduction Framework for GPUs

More information

Latest update